紀浩然-市場調(diào)研問卷題型分析與處理.docx

市場調(diào)研問卷題型分析與處理紀浩然學習導航通過學習本課程，你將能夠：學會對單選題進行多角度的分析；掌握多選題和排序題的分析與處理；提升市場調(diào)研問卷的質(zhì)量。市場調(diào)研問卷題型分析與處理一、單選題的分析單選題是市場調(diào)研問卷中最常用和最簡單的題型，在SPSS的分析中又是分析方法最為豐富的題型。單選題的錄入方式比較簡單，基本上就是SPSS文件的一列對應(yīng)一道單選題目，單選題的答案用數(shù)字表示即可。比如，單選題有6個選項可供選擇，受訪者任選其一并填寫即可。如圖1所示。需要注意的是，在單選題錄入時，必須在“值標簽”中為每個選項注明標簽，以便后續(xù)分析。圖1值標簽1.頻次分析頻次分析簡述頻次分析，是指分析各個選項出現(xiàn)的次數(shù)，體現(xiàn)的是受訪者的傾向性。比如某一問題有6個選項，客戶有的選1，有的選3，有的選6等，通過統(tǒng)計各個選項的次數(shù)就可以看出受訪者對各個選項的傾向性。頻次分析示例操作過程。在SPSS的“描述統(tǒng)計”基本分析模塊中，頻次分析被稱為“頻率分析”，例如點擊“hao123”網(wǎng)站進入“頻率分析”后，常見的做法是將所有選項全部選中，然后在“統(tǒng)計量”中將數(shù)值設(shè)定得大一些，因為在做頻次分析時，實際上是在進行數(shù)據(jù)探索，所以可以選四分位數(shù)，表示數(shù)值的波動范圍較大。這里的“范圍”也稱“全距”，指的是最小值和最大值的差。然后將最大值、最小值、均值的標準差以及偏度、峰度等全部選中。在“圖表”選項中選擇“直方圖”，因為“直方圖”是一個很好的頻次分析工具，同時在“直方圖”上勾選“顯示正態(tài)曲線”。這時對格式可以先不作處理，然后點擊“確定”并輸出表格。直方圖可以很好地顯示數(shù)據(jù)分布的規(guī)律。如圖2所示。圖2直方圖示例結(jié)果解讀。由于選中的項目很多，所以輸出的表格包括有效值、缺失值、均值等多項內(nèi)容可供觀察，其中最重要的是要關(guān)注其中的表格，包括性別中男性、女性各12人的數(shù)量統(tǒng)計，學歷中大專以下3人、大專及本科10人、碩士以上11人的數(shù)量分布等，這種表格在市場調(diào)查報告中會經(jīng)常出現(xiàn)，同時還包括是否喝啤酒、選擇啤酒的品牌以及購買渠道等內(nèi)容。在表格中，累積的百分比在數(shù)字型圖表中經(jīng)常會出現(xiàn)，比如在年齡分布中，30歲以下的人在整個受眾中所占百分比為58.3%，40歲以下的人所占百分比是91.7%，二者之間的比例通過減法運算即可得知，這樣就能反映出整個問卷這方面的狀況。正所謂“看表不如看圖”，在直方圖中可以看到很多信息。比如，在年齡分布上20歲的人群較多，在品牌選擇上各種品牌的分布情況，以及各種購買渠道的分布等?？偠灾?，頻次分析是問卷數(shù)據(jù)預(yù)處理后的第一項分析工作，從中可以挖掘很多有用的信息，包括百分比、累積百分比、學歷分布、品牌選擇分布等。2.分組求均值分組求均值簡述分組求均值是單選題分析中的一項重要內(nèi)容，在市場調(diào)查中，經(jīng)常要按照男女性別或是不同年齡段，分析客戶的產(chǎn)品選擇，這時就會用到SPSS的分組求均值。分組求均值示例示例一。操作過程。在觀察不同性別和不同學歷受眾的啤酒消費差別狀況時，首先進入SPSS的“分析”，然后選擇比較均值，將學歷放入自變量，將是否喝啤酒設(shè)為因變量，如圖3所示，表格中共有學歷、均值、個案數(shù)和標準差四項。需要注意的是，一般來說，Anova表要勾選。圖3示例“是否喝啤酒學歷”結(jié)果解讀。進入分析后，選擇“繼續(xù)”“確定”并輸出結(jié)果。案例處理的摘要說明，本次操作處理了24條數(shù)據(jù)，比例為100%，然后是不同學歷受訪者是否喝啤酒的選擇均值因為喝啤酒選1，不喝啤酒選2，所以均值越小，說明喝啤酒的可能性越大。之后，Anova表會顯示出“顯著性”數(shù)值，這里的數(shù)值是0.781，將其與標準值0.05進行比較可知結(jié)果是不顯著，從商業(yè)結(jié)論上而言也就意味著不同學歷分組在喝啤酒上的傾向無差別。分組求均值示例一的直方圖如圖4所示。圖4直方圖“是否喝啤酒學歷”示例二。操作過程。進入SPSS的“數(shù)據(jù)”模塊，選擇“比較均值”“均值”，將性別選入并確定，然后將喝啤酒定為1，不喝啤酒定為2，然后在變量視圖中勾選值標簽，輸出結(jié)果。圖5示例“是否喝啤酒性別”結(jié)果解讀。如圖5所示，輸出結(jié)果中男性喝啤酒的均值是1.25，女性喝啤酒的均值是1.5，由于之前設(shè)定的是1為喝啤酒，2為不喝啤酒，而男性的均值更接近1，也就意味著男性更喜歡喝啤酒。這里的顯著性為0.223，大于之前顯著性基本假設(shè)的標準值0.05，也就是男性和女性在喝啤酒喜好上的差別不明顯，這一假設(shè)可以接受。這里用到的是假設(shè)檢驗，基本方法是大于0.05接受假設(shè)，小于0.05推翻假設(shè)。圖5對應(yīng)的直方圖如圖6所示。圖6直方圖“是否喝啤酒性別”繪圖箱圖。繪圖是一種直觀化的數(shù)據(jù)分析方式，首先可以選擇第一種圖最簡單的箱圖，比如定義想要觀察不同學歷的受訪者是否喝啤酒的狀況，具體的特征選擇均值，接著將是否喝啤酒放入y軸，然后點擊學歷將其放入x軸，這樣就可以看到不同學歷受訪者喝啤酒的分布狀況。條形圖。首先選擇舊對話框中的條形圖，然后選擇復(fù)式條形圖，這種圖包含的信息比箱圖更為豐富。比如定義選擇品牌，然后在類別軸中放入性別，再定義聚類，選擇回車鍵。這時輸出的圖看起來非常美觀，橫軸上是性別，然后是選擇的三種品牌的均值，此外還包括各種學歷的分布。堆積面積圖。堆積面積圖也稱為堆占圖，在商業(yè)上的應(yīng)用也很多。比如，點擊進入后，定義為購買渠道，然后將性別和學歷選入，點擊“確定”。這種圖形比較美觀，而且可以解釋很多信息，所以在市場分析匯報中經(jīng)常使用。3.T檢驗T檢驗是指用獨立樣本可以快速檢測兩個變量之間是否有關(guān)聯(lián)，是一種問卷統(tǒng)計分析的常用手段。T檢驗示例一操作過程。在檢驗性別和是否喝啤酒的偏好之間是否關(guān)聯(lián)時，可以選擇比較均值中的“獨立樣本T檢驗”，將是否喝啤酒放入檢驗變量，把性別放入分組變量，然后為性別定義，男1、女2，然后選擇“繼續(xù)”，再點擊“確定”。結(jié)果解讀。在分組求均值中（詳見圖4），已經(jīng)得知男性的均值為1.25、女性為1.5，因此可以直接看兩種假設(shè)情況：一是假設(shè)男女之間喝啤酒的方差相等；二是假設(shè)方差不相等，可以看到男性是0.452，女性是0.522，二者的方差不相等。這時選擇假設(shè)方差不相等的一行數(shù)據(jù)，發(fā)現(xiàn)檢驗P值（sig）是0.223，如圖7所示。圖7獨立樣本檢驗由于這一數(shù)值大于0.05，所以可以得出結(jié)論：性別和是否喝啤酒的關(guān)系不顯著。T檢驗示例二操作過程。在這項獨立樣本T檢驗中，主要是考察學歷和品牌選擇之間的關(guān)系。一般來說，獨立樣本T檢驗只能檢驗兩組，而示例中的學歷則分為三組，在這種情況下可以采用兩兩分組的方法，但更高級的模型是設(shè)定一個“割點”，將其分為兩組。比如，當學歷分為6組的情況下，可以將割點定義為學歷4本科，這樣就能將所有受訪者分為本科以上（含本科）和本科以下兩個組別。在本例中，將割點定為2，大于等于2為一組，小于2為一組，然后選擇繼續(xù)。結(jié)果解讀。在結(jié)果中可以發(fā)現(xiàn)二者的方差不相等，因此選擇假設(shè)方差不相等的一行數(shù)據(jù)，發(fā)現(xiàn)檢驗P值小于0.05，說明不同學歷的人在品牌選擇上不相同，二者之間的關(guān)系顯著。4.列聯(lián)表（交叉表）在市場調(diào)查中，交叉表（Crosstable，又稱列聯(lián)表），有著十分重要的地位，應(yīng)用非常廣泛。交叉表是以列表方式表示兩個(或多個)變量或?qū)傩怨餐霈F(xiàn)的頻率。它有兩個主要作用：一是描述兩個變量同時出現(xiàn)的相關(guān)狀況，二是看兩個變量是否相關(guān)。列聯(lián)表示例一在銷售報表中，包含消費量、價格、包裝方式、品牌等多列內(nèi)容，在這里做列聯(lián)表是分析品牌和包裝方式之間的關(guān)系。在某些情況下，要先加權(quán)個案，再做列聯(lián)表分析。比如，某公司的可樂產(chǎn)品用小紙杯散裝的銷售量是98，換言之就是可樂和小紙杯散裝之間共同出現(xiàn)的次數(shù)是98，這時其權(quán)重就是98。在這里權(quán)重是起一個“秤”的作用。操作過程。在做列聯(lián)表分析時，第一步是在“數(shù)據(jù)”中，找到加權(quán)個案，將各項權(quán)重選進去，點擊“確定”。然后再進入“分析”“描述統(tǒng)計”“交叉表”，開始交叉表分析，比如將品牌放到“行”中，把包裝方式放到“列”中，在“統(tǒng)計量”中做一個卡方分析，再在單元格中全選行、列、總計的百分比，然后做一個復(fù)式條形圖并點擊“確定”。結(jié)果解讀。在輸出的交叉表上，“行”上列出的是品牌，“列”上則是各種包裝方式，下面共有4行內(nèi)容，可以看出在各種包裝方式中，賣得最好的是塑料瓶裝產(chǎn)品，占比為60.3%，其中雪碧所占的比例是29.5%、可樂占比為23.6%、芬達為17.7%、醒目為29.1%。圖8列聯(lián)表示例一條形圖如圖8所示，在各個品牌中，最流行的包裝方式都是塑料瓶裝，而四大品牌包裝方式的分布又各不相同。從商業(yè)角度來說，包裝方式對銷售有很大影響，比如國內(nèi)客戶首選塑料瓶裝，因為這種包裝方便攜帶，可以分多次喝完，其次是易拉罐裝，對于紙杯散裝則不大習慣。在列聯(lián)表分析中，零假設(shè)是行列之間無關(guān)，SPSS將自動給出檢驗的相伴概率，如果相伴概率小于顯著性水平0.05，則拒絕零假設(shè)，認為行列變量彼此相關(guān)。經(jīng)過分析，得出的結(jié)論如圖9所示。圖9列聯(lián)表示例一結(jié)果解讀列聯(lián)表示例二在本例中考察的是性別和學歷之間的關(guān)系，仍然采用列聯(lián)表分析操作：進入SPSS的“分析”“描述統(tǒng)計”“交叉表”，然后將性別輸入“行”，將學歷輸入“列”，統(tǒng)計量中選擇卡方，選中單元格，顯示復(fù)式條形圖，這樣就能輸出交叉表。如圖10所示。圖10列聯(lián)表示例二條形圖由下圖可知，男性和女性在交叉表中的分布沒有差別，也就是性別和學歷之間不相關(guān)。圖11列聯(lián)表分析示例二結(jié)果解讀5.單因素、多因素方差分析方差分析就是考察不同變量的變異對于總變異的貢獻大小，從而確定控制變量對研究對象影響力的大小。根據(jù)控制變量的數(shù)量，可以分為單因素方差分析和多因素方差分析。單因素方差分析ANOVA單因素分析包含以下關(guān)鍵點，如圖12所示。圖12ANOVA單因素方差分析單因素方差分析示例一。本例分析的是性別對是否喝啤酒的影響，具體操作過程：將是否喝啤酒放在因變量，將性別放在自變量，在對比中選擇多項式，選擇兩兩比較（LSD），在選項中選擇描述性和方差同質(zhì)性檢驗。方差齊性檢測。作為重要的分析手段，方差分析在組與組進行比較分析時，不要求均值相等，但要盡可能做到方差相等，這在統(tǒng)計中稱為方差齊性。選好后就可以進行單因素方差分析，首先要看的是方差齊性檢驗，它的基本假設(shè)是兩個方差是相等的，通過結(jié)果可以看出，其顯著性為0.69，大于0.05，所以該假設(shè)可以接受，方差相等成立。如圖13所示。圖13ANOVA是否喝啤酒性別“方差齊性檢驗”組間平方和描述。進行“組間平方和描述”分析，得出結(jié)果為性別對是否喝啤酒影響不顯著，如圖14所示。圖14ANOVA是否喝啤酒性別“組間平方和描述”單因素方差分析示例二。示例二分析的是不同學歷對啤酒品牌選擇的影響，通過單因素方差分析結(jié)果可以發(fā)現(xiàn)，學歷對啤酒品牌選擇的影響顯著。如圖15、圖16、圖17所示。圖15ANOVA啤酒品牌學歷“方差齊性檢驗”圖16啤酒品牌學歷“多重比較”圖17ANOVA啤酒品牌學歷“組間平方和描述”多因素方差分析如果研究對象的影響變量不止一個，可以做多因素方差分析，這樣可以同時考察多個變量以及變量之間的交叉作用是否對研究對象的變異有影響。操作過程。多因素方差分析位于“一般線性模型”，選擇“單變量”模塊。在示例中要分析的是學歷和年齡分段及其交叉作用對品牌選擇的影響，這是典型的市場調(diào)查分析方式。其中，年齡分段采用的是“割點”的分割方式，也就是通過連續(xù)變量的離散化，對各個年齡段進行重新編碼。然后將啤酒品牌設(shè)為因變量，將學歷和年齡設(shè)定為自變量，其中學歷分段是3組，年齡分段是4組。在該模型中，要選擇組與組之間的兩兩比較，因為在做品牌選擇時，需要進行客戶細分分析。然后在選項中選擇方差齊性檢測、描述統(tǒng)計，點擊“確定”輸出結(jié)果。結(jié)果解讀。在年齡分段中，“1”代表20歲以下，“2”為2030歲，“3”為3040歲，“4”為40歲以上，學歷的分布則分為大專以下、大專及本科、碩士以上三組。在方差齊性檢驗中，可以看到檢驗P值（sig）為0.044，在此可以粗略地認為方差相等。如圖18所示。圖18誤差方差等同性的Levene檢驗在圖19中展示的是主體間效應(yīng)的檢驗，其中學歷、年齡分段以及學歷、年齡分段的sig值都小于0.05，表示不同學歷、不同年齡及其交叉效果的品牌選擇是不同的，而在影響程度上依次為年齡、學歷與年齡的交叉效果和學歷。圖19主體間效應(yīng)的檢驗在兩兩比較中，各個學歷分組以及各個年齡分段進行了比較，其中sig值小于0.05的，均值差值的右上角就會有一個“*”符號，表示差異顯著，因此可以得到以下商業(yè)結(jié)果：在各個學歷分組的比較中，大專以下組與碩士及以上組的品牌選擇不同，大專及本科組與碩士以上組的品牌選擇不同，而大專以下組與大專及本科組的品牌選擇則無差異。如圖20所示。圖20多個比較學歷在各個年齡分段的兩兩比較中，（1，2）、（1，3）、（1，4）、（2，3）之間啤酒品牌選擇不同，其他的年齡段之間無差異。如圖21所示。圖21多個比較年齡二、多選題和排序題的分析與處理在錄入多選題時，每個選項各占一列。比如，某多選題包含A、B、C、D四個選項，客戶選擇A就會顯示“1”，不選就是“0”。因此，在錄入多選題和排序題時，SPSS或Excel的列寬會明顯寬于單選題，因為每道單選題只有一列，而多選題和排序題則包含多列。多選題和排序題的分類，如圖22所示。圖22多選題和排序題分類1.不定項多選題的處理方式例如，為子女選擇學校時的考慮因素，備選項包括口碑、風格、升學率和交通四個方面，該題目是一道不定項選擇和排序題。編碼處理在處理不定項多選題時，通常采用“0-1”編碼進行處理，即為每個選項單獨設(shè)立一個變量，本例可設(shè)定a1m1、a1m2、a1m3、a1m4四個變量，分別代表口碑、風格、升學率、交通四個備選項。定義數(shù)據(jù)集在SPSS的“分析”模塊中，找到多重響應(yīng)，里面有一個“定義變量級”，通過這一操作就能夠?qū)⒉欢椂噙x的四個備選項重新編碼，用二分法將其定義成二元值，選擇該項定義為“1”，不選默認為“0”。然后將這道多選題定義一個新的變量級，重命名為“學校選擇”并添加進去，這時系統(tǒng)會在多重響應(yīng)前添加“$”符號，然后關(guān)閉該項。頻率分析隨后開始進行分析，進入SPSS的“分析”“多重響應(yīng)”，里面提供了頻率分析和交叉表分析兩種方法。首先進行頻率分析，將多重響應(yīng)集選進去，然后確定即可。在輸出的結(jié)果中可以看到，最右側(cè)的個案百分比表示總共選擇的次數(shù)，得出的商業(yè)結(jié)論是：父母在幫孩子選擇學校時，第一位考慮的因素是口碑，占比67.5%；第二位考慮的因素是升學率，占比65%；之后是領(lǐng)導風格和交通因素。這一結(jié)論與現(xiàn)實情況比較吻合。交叉表分析交叉表分析，進入“分析”“多重響應(yīng)”“交叉表”，將父母與孩子的關(guān)系選入行中，將多重響應(yīng)集放入列中，然后選擇“確定”，這時就有行、列、總計三行數(shù)據(jù)，交叉表就完成了。該交叉表顯示的結(jié)果與頻率分析的結(jié)果相同，家長優(yōu)先考慮的因素依次為占比67.5%的口碑，占比65%的升學率以及領(lǐng)導風格和交通因素。同時，在各個因素中，父親與母親的關(guān)注程度和比例也清楚地顯示了出來，比如可以看到在升學率的因素中，母親比父親更加關(guān)注。2.不定項排序題的處理方式例如，某小學生在學校共學習5門課程，分別是語文、數(shù)學、英語、自然和社會科學?，F(xiàn)在請家長按照對各門課程的重視程度進行排序，同時要求5門課程都要參加排序。反向計分在不定項排序題的處理中，首先要做recode（反向計分，optional）。一般來說，在做調(diào)研表時，排在第一位的是最受重視的，為了在記分時更符合人們的日常習慣，也就是統(tǒng)計出來的分值越大越重要，會做一個數(shù)據(jù)轉(zhuǎn)換：進入“重新編碼為不同的變量”，將排序題的選項全部選進去，然后選擇“舊值與新值”重新編碼。在現(xiàn)實的重新編碼操作中，一是要讓最重要的選項的數(shù)值最大并逐漸減小，二是在編碼時不能太過機械，要根據(jù)具體的業(yè)務(wù)賦予各個選項相應(yīng)的權(quán)重。比如，根據(jù)各門課程的重要程度，將第一項轉(zhuǎn)化為“7”，第二項轉(zhuǎn)化為“5”，第三項轉(zhuǎn)化為“3”，第四項轉(zhuǎn)化為“1”，最后一項轉(zhuǎn)化為“0”。要點提示不定項排序題的處理方式：反向計分；轉(zhuǎn)置；計分排序。需要注意的是，在重新編碼并點擊“繼續(xù)”后，要為每個選項定義一個新名字，比如將各門課程選項依次改為“語文新”、“數(shù)學新”、“英語新”、“自然新”和“社會科學新”等，然后點擊“確定”，這時就會生成相應(yīng)的五列新數(shù)據(jù)。轉(zhuǎn)置轉(zhuǎn)置的操作，先要新建一個SPSS文件，然后將前面生